这个问题在这里已有答案：
不知何故，我在Keras库中发现了一个非常奇怪的错误 .
我的学习方法包括三层神经网络：输入层130,517单位（输入大小），隐藏层10,000，输出层2单位 .
在代码期间，我运行了批量学习（我使用了 partial_fit 函数），但代码反复抛出相同的错误：
检查输入时出错：期望的dense_1_input具有形状（130517，）但是得到了具有形状的数组（1，）
我再次检查了输入尺寸，发现它确实如我所想，有130,517个尺寸 .
下面是调试时变量的图片，如您所见， np.array(X[0]) 的形状为130,517：
无论如何，我附加了神经网络的初始化代码，以及对 partial_fit 的调用代码：
def initClassifier(self):
self.classifier.add(Dense(100000, input_dim=130517, activation='relu'))
self.classifier.add(Dense(2, activation='softmax'))
self.classifier.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
def partial_fit(self, X, y, classes):
self.classifier.train_on_batch(np.array(X[0]), np.array(y))
有没有人有办法解决吗？
这可能是Keras代码中的错误吗？
1 回答
在培训方面，Keras希望您的数据包含批量大小的维度 . 在您的情况下，这意味着数据应该是
(batch_size, 130517)的形状 . 但是，您传递np array形状(130517)，这会导致您的错误 . 您可以重新整形数据以包含批量形状，如下所示：X_reshaped = X[0].reshape(1, -1)